地理特征类可视化图像

蜂窝热力地图

视觉通道：颜色、位置、形状
特点
规则六边形网格：将地理区域划分为均匀的六边形单元，避免行政边界干扰。
数据聚合：统计每个单元内的数据密度或汇总值（如事件数量、人口密度）。
可视化效果：通过颜色渐变或蜂窝大小直观展示数据分布。
缺点

1. 小区域划分（六边形区域）中数据展现的特性有限
2. 不适合地图中分区数据间的比较
   应用场景
   人口密度分析：展示城市或区域的人口分布情况。
   交通流量分析：分析道路或交通网络中的流量分布。
   犯罪热力图：展示犯罪事件在城市中的分布。

代码实现：

import matplotlib.pyplot as plt
import numpy as np

# 示例数据
x = np.random.normal(0, 1, 1000)
y = np.random.normal(0, 1, 1000)

# 创建蜂窝热力图
plt.hexbin(x, y, gridsize=30, cmap='viridis')
plt.colorbar()
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Hexbin Map Example')
plt.show()

变形地图

视觉通道：颜色、尺寸
特点
面积变形：地理区域的面积与其代表的数值（如人口、GDP）成比例。
拓扑保留：保持区域相对位置，但形状可能大幅扭曲。
缺点

1. 由于区域图形不规则，不适合用于比较相差过小或过大的地区
2. 动态地图变化过程中，不适合用于整体的观察和比较
   应用场景
   人口密度分析：展示城市或区域的人口分布情况。
   交通流量分析：分析道路或交通网络中的流量分布。
   犯罪热力图：展示犯罪事件在城市中的分布。

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
from matplotlib.patches import Polygon
import matplotlib.colors as mcolors
from matplotlib.lines import Line2D

# 设置中文字体
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]


class DeformationMap:
    def __init__(self):
        # 初始化数据
        self.years = [2020, 2021, 2022, 2023, 2024, 2025]
        self.current_year = 2023

        # 地图基本形状（简化的世界地图轮廓）
        self.base_map = np.array([
            [200, 100], [300, 50], [400, 100], [500, 70], [600, 100],
            [650, 200], [600, 300], [550, 280], [400, 350], [300, 400],
            [200, 350], [150, 250], [100, 200], [150, 100], [200, 100]
        ])

        # 各年份地图变形数据（简化示例）
        self.map_deformations = {
            2020: np.array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]),
            2021: np.array([0, -5, -10, -5, 0, 5, 10, 5, 0, -5, -10, -5, 0, 0, 0]),
            2022: np.array([0, -10, -20, -10, 0, 10, 20, 10, 0, -10, -20, -10, 0, 0, 0]),
            2023: np.array([0, -15, -30, -15, 0, 15, 30, 15, 0, -15, -30, -15, 0, 0, 0]),
            2024: np.array([0, -20, -40, -20, 0, 20, 40, 20, 0, -20, -40, -20, 0, 0, 0]),
            2025: np.array([0, -25, -50, -25, 0, 25, 50, 25, 0, -25, -50, -25, 0, 0, 0])
        }

        # 标记点数据（位置和大小随年份变化）
        self.markers = {
            'marker1': {
                'base_pos': (300, 150),
                'sizes': {2020: 50, 2021: 60, 2022: 75, 2023: 100, 2024: 120, 2025: 150},
                'color': '#FF4D4F'
            },
            'marker2': {
                'base_pos': (450, 200),
                'sizes': {2020: 70, 2021: 80, 2022: 95, 2023: 150, 2024: 170, 2025: 200},
                'color': '#FF7A45'
            },
            'marker3': {
                'base_pos': (350, 250),
                'sizes': {2020: 40, 2021: 45, 2022: 50, 2023: 80, 2024: 90, 2025: 100},
                'color': '#FFC53D'
            },
            'marker4': {
                'base_pos': (500, 300),
                'sizes': {2020: 60, 2021: 55, 2022: 50, 2023: 120, 2024: 110, 2025: 100},
                'color': '#52C41A'
            }
        }

        # 创建图形和轴
        self.fig, self.ax = plt.subplots(figsize=(10, 6))
        self.fig.patch.set_facecolor('#F5F7FA')
        self.ax.set_facecolor('#F5F7FA')

        # 初始化地图和标记
        self.map_polygon = None
        self.marker_scatters = {}
        self.year_text = None

        # 动画控制
        self.animation = None
        self.is_animating = False

    def get_deformed_map(self, year):
        """根据年份获取变形后的地图形状"""
        deformation = self.map_deformations[year]
        # 对地图的y坐标应用变形
        deformed_map = self.base_map.copy()
        deformed_map[:, 1] += deformation
        return deformed_map

    def update_map(self, year):
        """更新地图和标记点以反映指定年份的数据"""
        # 更新地图形状
        deformed_map = self.get_deformed_map(year)
        self.map_polygon.set_xy(deformed_map)

        # 更新标记点
        for marker_name, marker_data in self.markers.items():
            pos = marker_data['base_pos']
            size = marker_data['sizes'][year]
            color = marker_data['color']

            # 如果标记点不存在，创建它
            if marker_name not in self.marker_scatters:
                scatter = self.ax.scatter(pos[0], pos[1], s=size, color=color,
                                          alpha=0.8, edgecolor='black', linewidth=1, zorder=3)
                self.marker_scatters[marker_name] = scatter
            else:
                # 否则更新大小
                self.marker_scatters[marker_name].set_sizes([size])

        # 更新年份文本
        self.year_text.set_text(f"年份: {year}")

        return [self.map_polygon] + list(self.marker_scatters.values()) + [self.year_text]

    def animate(self, frame):
        """动画帧更新函数"""
        year_idx = frame % len(self.years)
        year = self.years[year_idx]
        return self.update_map(year)

    def toggle_animation(self, event):
        """切换动画状态（播放/暂停）"""
        if self.is_animating:
            self.animation.pause()
            self.animate_button.set_text('播放动画')
        else:
            self.animation.resume()
            self.animate_button.set_text('暂停动画')
        self.is_animating = not self.is_animating

    def change_year(self, event):
        """响应年份选择"""
        if event.inaxes != self.ax:
            return

        # 获取点击位置对应的年份
        x, y = event.xdata, event.ydata
        if 100 <= x <= 700 and 450 <= y <= 480:
            year_idx = int((x - 100) / 100)
            if 0 <= year_idx < len(self.years):
                year = self.years[year_idx]
                self.update_map(year)
                self.fig.canvas.draw_idle()

    def create_legend(self):
        """创建图例"""
        legend_elements = [
            Line2D([0], [0], marker='o', color='w', label='高增长', markerfacecolor='#FF4D4F', markersize=10),
            Line2D([0], [0], marker='o', color='w', label='中增长', markerfacecolor='#FF7A45', markersize=10),
            Line2D([0], [0], marker='o', color='w', label='低增长', markerfacecolor='#FFC53D', markersize=10),
            Line2D([0], [0], marker='o', color='w', label='负增长', markerfacecolor='#52C41A', markersize=10),
        ]

        self.ax.legend(handles=legend_elements, loc='lower right', title='人口变化',
                       frameon=True, facecolor='white', edgecolor='gray', framealpha=0.8)

    def create_year_selector(self):
        """创建年份选择器"""
        # 绘制年份选择条
        for i, year in enumerate(self.years):
            x_pos = 100 + i * 100
            rect = plt.Rectangle((x_pos, 450), 80, 30, fill=True,
                                 color='#E6F7FF' if year != self.current_year else '#165DFF',
                                 edgecolor='black', alpha=0.7)
            self.ax.add_patch(rect)

            text_color = 'black' if year != self.current_year else 'white'
            self.ax.text(x_pos + 40, 465, str(year), ha='center', va='center',
                         fontsize=10, fontweight='bold', color=text_color)

    def setup_ui(self):
        """设置用户界面元素"""
        # 设置坐标轴范围
        self.ax.set_xlim(0, 800)
        self.ax.set_ylim(0, 500)
        self.ax.axis('off')  # 关闭坐标轴

        # 添加标题
        self.ax.set_title('全球人口变化地图', fontsize=16, fontweight='bold', pad=20)

        # 创建初始地图
        deformed_map = self.get_deformed_map(self.current_year)
        self.map_polygon = Polygon(deformed_map, fill=True, color='#E6F7FF',
                                   edgecolor='#165DFF', linewidth=2, alpha=0.8, zorder=2)
        self.ax.add_patch(self.map_polygon)

        # 添加初始标记点
        for marker_name, marker_data in self.markers.items():
            pos = marker_data['base_pos']
            size = marker_data['sizes'][self.current_year]
            color = marker_data['color']
            scatter = self.ax.scatter(pos[0], pos[1], s=size, color=color,
                                      alpha=0.8, edgecolor='black', linewidth=1, zorder=3)
            self.marker_scatters[marker_name] = scatter

        # 添加年份文本
        self.year_text = self.ax.text(400, 420, f"年份: {self.current_year}",
                                      ha='center', va='center', fontsize=14, fontweight='bold')

        # 添加图例
        self.create_legend()

        # 添加年份选择器
        self.create_year_selector()

        # 添加动画按钮
        self.animate_button = plt.Button(plt.axes([0.15, 0.05, 0.1, 0.04]), '播放动画')
        self.animate_button.on_clicked(self.toggle_animation)

        # 添加数据来源文本
        self.ax.text(400, 20, "数据来源: 世界银行", ha='center', va='center',
                     fontsize=10, color='gray')

        # 连接鼠标点击事件
        self.fig.canvas.mpl_connect('button_press_event', self.change_year)

    def run(self):
        """运行地图可视化"""
        self.setup_ui()

        # 创建动画
        self.animation = FuncAnimation(self.fig, self.animate, frames=len(self.years),
                                       interval=1000, blit=True, repeat=True)

        plt.tight_layout()
        plt.show()


if __name__ == "__main__":
    map_visualization = DeformationMap()
    map_visualization.run()    

关联地图

视觉通道：位置、颜色
特点
使用不同颜色填充不同的地理区域，以表示区域内的数值大小。
适合展示分类或分级的数据，如疾病发病率、环境监测数据等。
可以直观地展示地理区域之间的差异。
缺点：

1. 存在失真的情况
2. 一般不显示定量数据
   应用场景
   选举结果：展示不同地区的选举结果，如各州或县的投票倾向。
   环境监测：展示不同地区的空气质量、水质等环境指标。

代码实现

from pyecharts import options as opts
from pyecharts.charts import Geo  # 地理坐标系绘制方法
from pyecharts.globals import GeoType, ThemeType, SymbolType  # Geo图的类型 主题 图形符号
import os

data = [("广州", "8302"), ("河源", "10006"), ("东莞", "9559"), ("汕头", "6860"), ("珠海", "11169")]
geo = (
    Geo(init_opts=opts.InitOpts(width="600px", height="500px", theme=ThemeType.WHITE))  # 设置画板
        .add_schema(maptype="广东",  # 生成广东省的地图
                    emphasis_itemstyle_opts=opts.ItemStyleOpts(color="#31708f"),  # 高亮颜色
                    )

        .add("",  # 读入数据，生成几个城市的点
             data,
             type_=GeoType.EFFECT_SCATTER,
             symbol_size=6
             )
        .add("",  # 建立联系
             [("广州", "河源"), ("广州", "东莞"), ("广州", "汕头"), ("广东", "珠海")],
             type_=GeoType.LINES,
             effect_opts=opts.EffectOpts(symbol=SymbolType.ARROW, symbol_size=6, color='#5f99bb'),
             linestyle_opts=opts.LineStyleOpts(curve=0.2, color="#B0E2FF"))
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(
        title_opts=opts.TitleOpts(title="广州出发的航班", pos_right="center", pos_top="5%"))
        .render('linked.html'))
os.system('linked.html')

气泡地图

视觉通道：位置、颜色
特点
在地图上的特定位置绘制气泡，气泡的大小通常与数据值成比例。
适合展示点数据，如城市人口、商店数量等。
可以直观地展示特定地点的数据量。
缺点

1. 气泡大小的度量尺度不能超过5个
2. 不能显示地理上的连接关系

应用场景
城市人口分布：在地图上用气泡表示不同城市的人口规模。
商店分布：在地图上用气泡表示不同地区的商店数量。

import plotly.express as px
import folium
import pandas as pd
import numpy as np
# 模拟城市数据
cities = pd.DataFrame({
    "City": ["New York", "London", "Tokyo", "Beijing", "Sydney"],
    "Lat": [40.7, 51.5, 35.7, 39.9, -33.9],
    "Lon": [-74.0, -0.1, 139.7, 116.4, 151.2],
    "GDP": [1800, 900, 1600, 1400, 500],  # 十亿美元
    "Growth": [2.1, 1.8, 0.9, 6.1, 2.3]   # 增长率%
})

fig = px.scatter_geo(cities,
                     lat="Lat",
                     lon="Lon",
                     size="GDP",
                     color="Growth",
                     hover_name="City",
                     projection="natural earth",
                     size_max=30,
                     color_continuous_scale=px.colors.sequential.Plasma,
                     title="全球主要城市GDP与增长率")
fig.show()

点地图

视觉通道：位置、颜色、大小
特点
在地图上直接标记数据点的位置，每个点代表一个具体的地理位置。
适合展示具体的地理位置信息，如旅游景点、事故现场等。
可以直观地展示地理位置的分布情况。
缺点

1. 在地图上标记过多的点可能导致视觉混乱，使得单个点的信息难以辨识。
2. 点地图可能不直观地展示点与点之间的空间关系，如接近度或分布模式。
   应用场景
   事件分布：展示特定事件（如交通事故、犯罪事件）在城市中的分布。
   设施位置：标记商店、医院、学校等公共设施的位置。
   人口分布：在地图上标记人口密集区域。
   旅游热点：展示旅游景点或酒店的位置。
   环境监测：标记污染源、自然保护区等环境相关地点。

代码实现

import plotly.express as px
import numpy as np

# 模拟大数据（1000个随机点）
np.random.seed(42)
n_points = 1000
lons = np.random.uniform(-180, 180, n_points)
lats = np.random.uniform(-90, 90, n_points)
values = np.random.randint(1, 100, n_points)

fig = px.scatter_geo(
    lat=lats,
    lon=lons,
    size=values,
    color=values,
    hover_name=[f"点{i}" for i in range(n_points)],
    projection="natural earth",
    title="全球数据点分布（动态聚类）",
    size_max=20,
    color_continuous_scale=px.colors.sequential.Plasma
)

fig.update_traces(
    marker=dict(line=dict(width=0, color='white')),
    selector=dict(mode='markers')
)

fig.update_layout(
    geo=dict(
        showland=True,
        landcolor="rgb(250, 250, 250)",
        subunitcolor="rgb(217, 217, 217)"
    ),
    margin={"r":0,"t":40,"l":0,"b":0}
)

fig.show()

分级地图

视觉通道：颜色
特点
颜色编码：使用颜色梯度来表示数值的大小，通常颜色越深表示数值越大。
地理区域划分：适用于展示按地理区域（如国家、州、县等）划分的数据。
直观比较：可以直观地比较不同区域之间的数值差异。
数据类型：通常用于展示定量数据，也可以用于定序数据。

应用场景
人口分布：展示不同地区的人口密度。
经济分析：比较不同地区的GDP或人均收入。
公共健康：展示疾病发病率或疫苗接种率的地理分布。
政治选举：显示选举结果，如各选区的支持率。

代码实现

from pyecharts import options as opts
from pyecharts.charts import Map
import os

# 创建基础数据
value = [95.1, 23.2, 43.3, 66.4, 88.5]
attr = ["China", "Canada", "Brazil", "Russia", "United States"]
data = []
for index in range(len(attr)):
    city_ionfo = [attr[index], value[index]]  # 逐个将国家名和数据搭配
    data.append(city_ionfo)  # 将数据导为一个字典
c = (
    Map()
        .add("世界地图", data, "world")
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(
        title_opts=opts.TitleOpts(title="世界地图示例"),  # 设置标题
        visualmap_opts=opts.VisualMapOpts(max_=200),  # 设置图形大小
    )
        .render('density.html')
)
# 打开html
os.system("density.html")

可视化类型	视觉通道	数据适用性	优点	缺点	典型应用场景
蜂窝热力地图	颜色、位置、形状	连续/离散点数据	避免行政边界干扰 数据聚合直观	小区域特性展现有限 不适合跨区比较	犯罪热点分析 共享单车分布
变形地图	颜色、尺寸	区域统计值	突出数据权重 保持拓扑关系	形状失真严重 需安装C扩展库	人口/GDP对比 选举结果
关联地图	位置、颜色	网络关系数据	直观展示连接关系 支持动态交互	连接线交叉混乱 大数据性能差	航班航线 社交网络
气泡地图	位置、颜色、大小	点数值数据	多维度映射（大小+颜色） 直观对比	气泡重叠 建议≤5个尺寸等级	城市经济指标 疫情分布
点地图	位置、颜色、大小	精确地理位置	精准标记位置 支持10万+数据点	点过多时混乱 需聚类算法辅助	地震定位 POI分布
分级地图	颜色	区域分级数据	区域对比清晰 兼容行政边界数据	受区域面积影响 需数据标准化	选举地图 环境监测